Fugu-MT 論文翻訳(概要): An empirical assessment of deep learning approaches to task-oriented dialog management

論文の概要: An empirical assessment of deep learning approaches to task-oriented dialog management

arxiv url: http://arxiv.org/abs/2108.03478v1
Date: Sat, 7 Aug 2021 16:05:48 GMT
ステータス: 処理完了
システム内更新日: 2021-08-10 15:43:29.412286
Title: An empirical assessment of deep learning approaches to task-oriented dialog management
Title（参考訳）: タスク指向ダイアログ管理におけるディープラーニングアプローチの実証評価
Authors: Luk\'a\v{s} Mat\v{e}j\r{u}, David Griol, Zoraida Callejas, Jos\'e Manuel Molina, Araceli Sanchis
Abstract要約: 異なるアプリケーションドメインからの3つのダイアログコーパスを用いたディープラーニングダイアログ管理のための異なる構成の評価を行う。その結果、特徴抽出や入力表現に使用されるアプローチなど、精度に影響を及ぼす可能性のあるいくつかの側面を特定できるようになった。
参考スコア（独自算出の注目度）: 3.9023554886892438
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Deep learning is providing very positive results in areas related to conversational interfaces, such as speech recognition, but its potential benefit for dialog management has still not been fully studied. In this paper, we perform an assessment of different configurations for deep-learned dialog management with three dialog corpora from different application domains and varying in size, dimensionality and possible system responses. Our results have allowed us to identify several aspects that can have an impact on accuracy, including the approaches used for feature extraction, input representation, context consideration and the hyper-parameters of the deep neural networks employed.
Abstract（参考訳）: ディープ・ラーニングは、音声認識などの会話インタフェースに関連する領域において、非常に肯定的な結果を提供しているが、ダイアログ管理の潜在的な利点はまだ十分に研究されていない。本稿では、異なるアプリケーションドメインから3つのダイアログコーパスを抽出し、サイズ、寸法、システム応答の異なるディープラーニングダイアログ管理のための異なる構成の評価を行う。その結果,特徴抽出,入力表現,文脈考慮,深層ニューラルネットワークのハイパーパラメータなど,精度に影響を与える可能性のあるいくつかの側面が特定できた。

関連論文リスト

Few-Shot Structured Policy Learning for Multi-Domain and Multi-Task Dialogues [0.716879432974126]
グラフニューラルネットワーク(GNN)は、シミュレーション専門家から学ぶ際に、わずか50の対話で80%以上の成功率に達することで、顕著な優位性を示している。我々は,対話フレームワークにおける人的データ,シミュレータ,自動評価器のギャップを埋めることに,今後の研究努力を集中させることを提案する。
論文参考訳（メタデータ） (2023-02-22T08:18:49Z)
Graph Neural Network Policies and Imitation Learning for Multi-Domain Task-Oriented Dialogues [0.716879432974126]
タスク指向対話システムは、人間と会話しながら特定の目標を達成するように設計されている。実際には、複数のドメインとタスクを同時に扱う必要がある。グラフニューラルネットワークに基づく構造化されたポリシーと模倣学習の度合いが組み合わさって、マルチドメイン対話を効果的に扱えることを示す。
論文参考訳（メタデータ） (2022-10-11T08:29:10Z)
Reinforcement Learning of Multi-Domain Dialog Policies Via Action Embeddings [38.51601073819774]
強化学習によるタスク指向の対話ポリシーの学習は、通常、ユーザと大量の対話を必要とする。本稿では,異なるダイアログドメインからのデータを活用することで,各ドメインから必要なデータ量を削減することを提案する。このアプローチがユーザとのインタラクションを著しく少なくし、学習に必要なダイアログ数の35%を削減し、シミュレートされたドメインの集合上で各ドメインに対して個別のポリシーをトレーニングするよりも高い習熟度で学習できることを示します。
論文参考訳（メタデータ） (2022-07-01T14:49:05Z)
FlowEval: A Consensus-Based Dialogue Evaluation Framework Using Segment Act Flows [63.116280145770006]
本稿では,音声レベルからセグメントレベルへのダイアログ行為の拡張であるセグメントアクトを提案し,大規模データセットをクラウドソースする。セグメントアクトフローを利用するために,セグメントアクションのシーケンスを評価のために,最初のコンセンサスに基づく対話評価フレームワークであるFlowEvalを開発した。
論文参考訳（メタデータ） (2022-02-14T11:37:20Z)
Every time I fire a conversational designer, the performance of the dialog system goes down [0.07696728525672149]
本稿では,会話設計者のドメイン知識の明示的利用が,ニューラルベース対話システムの性能に与える影響について検討する。半論理規則で明示的な知識を符号化した対話型論理帰納型ニューラルネットシステム(CLINN)を提案する。
論文参考訳（メタデータ） (2021-09-27T13:05:31Z)
Rethinking Dialogue State Tracking with Reasoning [76.0991910623001]
本稿では, 対話状態の段階的追跡を, バックエンドデータの助けを借りて行うことを提案する。実験の結果,MultiWOZ 2.1の連立信条精度は38.6%向上した。
論文参考訳（メタデータ） (2020-05-27T02:05:33Z)
Is Your Goal-Oriented Dialog Model Performing Really Well? Empirical Analysis of System-wise Evaluation [114.48767388174218]
本稿では,異なる設定の異なるモジュールから構成される異なるダイアログシステムについて,実験的検討を行った。この結果から, 粗粒度ラベルで学習した連系や終端モデルを用いたシステムよりも, 細粒度監視信号を用いて訓練したパイプラインダイアログシステムの方が, 高い性能が得られることが示唆された。
論文参考訳（メタデータ） (2020-05-15T05:20:06Z)
Recent Advances and Challenges in Task-oriented Dialog System [63.82055978899631]
課題指向対話システムは、学術・産業社会でますます注目を集めている。タスク指向ダイアログシステムにおける3つの重要なトピックについて論じる。(1)低リソース環境でのダイアログモデリングを容易にするデータ効率の改善、(2)ダイアログポリシー学習のためのマルチターンダイナミクスのモデリング、(3)ダイアログモデルへのドメイン知識の統合。
論文参考訳（メタデータ） (2020-03-17T01:34:56Z)
Masking Orchestration: Multi-task Pretraining for Multi-role Dialogue Representation Learning [50.5572111079898]
マルチロール対話理解は、質問応答、行動分類、対話要約など、幅広い多様なタスクを含む。対話コーパスは豊富に利用可能であるが、特定の学習タスクのためのラベル付きデータは非常に不足しており、高価である。本研究では,教師なし事前学習タスクを用いた対話文脈表現学習について検討する。
論文参考訳（メタデータ） (2020-02-27T04:36:52Z)
Attention over Parameters for Dialogue Systems [69.48852519856331]
我々は,異なる対話スキルを個別にパラメータ化する対話システムを学び,AoP(Attention over Parameters)を通じてそれぞれを選択し,組み合わせることを学ぶ。実験の結果,MultiWOZ,In-Car Assistant,Persona-Chatの複合データセット上での競合性能が得られた。
論文参考訳（メタデータ） (2020-01-07T03:10:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。